Sidia is a education Platform website.
Course Description
Matakuliah ini membahas terkait dengan pengolahan data, terutama pada proses warehousing untuk memperoleh insight dari data historikal yang mampu menjadi salah satu sistem rekomendasi dalam menentukan kebijakan, arah bisnis, maupun untuk sales forecasting.
Program Objectives (PO)
- Mampu memahami konsep utama dalam datawarehouse
- Mampu merancang dan mengembangkan desain konsep data warehouse untuk menyelesaikan kebutuhan bisnis
- Mampu mendesain, mengembangkan, dan mensimulasikan aplikasi teknologi multi-platform yang relevan dengan kebutuhan industri berbasis datawarehouse
- Mampu menganalisis persoalan warehousing kompleks serta menerapkan prinsip-prinsip computing untuk mengidentifikasi solusi
Aktifitas Pembelajaran
-
Pertemuan 1 Konsep dasar dan kebutuhan datawarehouse -
Pertemuan 2 Konsep datawarehouse -
Pertemuan 3 Konsep OLTP dan OLAP -
Pertemuan 4 Konsep OLTP dan OLAP dalam kasus nyata -
Pertemuan 5 Merancang dan mengembangkan kosep datamart pada Datawarehouse -
Pertemuan 6 Melakukan simulasi OLAP dengan menggunakan studi kasus yang diberikan -
Pertemuan 7 Implementasi atoti dalam proses OLAP -
Pertemuan 8 Secara individu merancang dan mengembangkan sistem datawarehouse menggunakan atoti -
Pertemuan 9 Konsep ETL dan ELT -
Pertemuan 10 -
Pertemuan 11 Menganalisis pola dalam proses ETL pada data kompleks -
Pertemuan 12 Workflow ETL menggunakan Apache Airflow -
Pertemuan 13 Workflow ETL menggunakan Apache Airflow -
Pertemuan 14 Membangun pipeline ETL otomatis menggunakan Apache Airflow untuk kasus nyata -
Pertemuan 15 Membangun pipeline ETL otomatis menggunakan Apache Airflow untuk kasus nyata -
Pertemuan 16 Membangun pipeline ETL otomatis menggunakan Apache Airflow untuk kasus nyata
References
- Ralph Kimball, Margy Ross (2013), The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling, John Wiley & Sons, 1 Jul 2013
- Vaisman, A., & Zimányi, E. (2014). Data warehouse systems. Data-Centric Systems and Applications, 9, 2014.
- Inmon, W. H., & Linstedt, D. (2014). Data architecture: a primer for the data scientist: big data, data warehouse and data vault. Morgan Kaufmann.
Lecturer
Difficult Things About Education.
$75$10
More Similar Courses
Related Courses
Science Education for Sustainable Development
Mata kuliah ini membahas tentang konsep pendidikan sains untuk pembangungan berkelanjutan. Konsep sains yang lebih diterapkan dalam upaya membangun keterampilan berpikir dan kreativitas untuk menyelesaikan
Kimia Umum
Study of basic concepts: Scientific Method, Properties of Matter, Stoichiometry, Periodic System of Elements, Chemical Bonds, Energetics, Forms of Substances, Solutions, Colloids, Carbon Chemistry, Green
Interaksi Manusia dan Komputer
This course studies the main concepts in general software interface design and their application in products using data science. This course reviews the use of
Copyright © 2026 Sinau Digital UNESA All Rights Reserved